北京
把AI智能体部署进大型银行，最先卡住你的不是模型能力，而是CVE——通用漏洞与暴露。这是思科Splunk智能体可观测性（原Galileo）客户工程团队负责人Al Chen给出的判断。他带领团队把平台部署进大型银行和金融机构，日常打交道最多的就是漏洞修复。
在AI Engineer纽约站的访谈里，他把这套经历称为“战争故事”：如何穿过合规、安全和法务的一道道闸门，以及前路上可能存在的解法。他的核心结论很直接——在碰任何一台硬件或软件之前，过这道闸门就是最大的障碍。没有一套真正扎实的漏洞修复流程，任何东西都进不了银行的大门。
每家银行都有自己的流程和扫描软件
难点不在于漏洞本身，而在于标准不统一。Al Chen说，每家银行都有自己独特的流程、自己的政策、自己的扫描软件，用来判定什么算漏洞、什么算可利用的缺陷。
他的团队就站在处理这些问题的第一线，日复一日。用他的话说，这是一份全职工作，实际上是一整个团队的工作量。而他的目标是把这件事系统化——不能为每一个客户都做定制化方案，必须找到一套统一连贯的流程。
这件事连思科这样的大公司也还在摸索。他坦言，即便在思科，如何应对不同客户的差异化要求，依然是个待解的问题。
一边造飞机一边飞
Al Chen进入AI的路径并不直。三年前他还没在做这件事，他来自电子表格和生产力软件的世界。2023年到2024年初，他“染上了AI瘾”，但一开始极度怀疑——看到ChatGPT时，他的判断是这东西适合小场景。
后来他深入LangChain和各种AI框架，越钻越深。大约一年前，他加入了一家小创业公司Galileo，这家公司被思科收购。正是这段经历，让他开始每天面对CVE。
他提到一句典型的创业公司说法：你是在一边造飞机一边飞。做这个角色之前，他对CVE和Kubernetes集群一无所知。他用AI来学习这些概念，但在真正掌握之前，仍然得靠自己补课。
正反两方的分歧在哪
从这段经历里能拆出一组对立判断。
一方认为，AI智能体进银行的主要瓶颈在技术本身——模型够不够强、推理够不够稳、智能体能不能优雅地失败。Al Chen的访谈主题里确实包含“设计能优雅失败的智能体”这一项。
另一方则认为，真正的门槛在技术之外。CVE流程、合规审查、安全与法务闸门，这些才是决定能不能进门的因素。Al Chen的表述明显偏向后者：过不了漏洞修复这一关，再好的模型也进不去。
他的判断依据来自一线：银行客户最常处理的就是CVE，这是所有银行面对的头号问题。而且这个问题没有统一答案，因为判定标准掌握在每家银行自己的扫描软件手里。
为什么这件事值得关注
对做企业级AI部署的团队来说，这段经历提供了一个容易被低估的视角：产品能力之外，还有一整套准入流程要打通。Al Chen的团队要做的，是把这套流程从“每家客户一套”变成“一套流程覆盖所有客户”。
他也在访谈中表示，很想听听别人是怎么做的。这说明即便在已经落地多家大型金融机构的团队里，这件事依然没有标准解法。
至于智能体在银行里如何防止数据泄露、如何设计失败时的降级路径，他把这些归入了同一场分享的讨论范围。这些问题的共同点是：它们都不发生在模型层，而发生在模型进入真实机构的那一刻。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
